花生AI口播配画核心是先切分带时间戳的语义单元再匹配画面。需上传干净单声道音频，手动校准分镜边界与类型标签，精准输入关键词或替换锁定素材，最后微调时间轴确保音画同步。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
用花生AI把录好的口播音频自动配上画面，核心不是让AI“听懂”整段录音，而是先把音频切分成带时间戳的语义单元，再让系统按每个单元的关键词和类型匹配对应画面——这一步漏掉，后面所有操作都会卡在“画面乱配”上。
第一步：上传音频并生成结构化分镜
打开花生AI官网（https://www.huasheng.cn），用B站账号登录→点击「音频生成视频」→拖入已录好的MP3/WAV文件（【必须是单声道、无背景音乐的干净人声】）→等待约10秒，系统自动生成带时间码的分镜列表。
注意：如果音频里夹杂环境噪音、回声或BGM，分镜切分会严重偏移。此时不要重传，先用Audacity降噪导出再上传。
第二步：手动校准分镜边界与语义标签
在分镜列表页，逐条检查每一段的起止时间是否落在句末停顿处；若某段包含两个完整意思（例如“秦始皇统一六国。公元前221年”，中间没停顿），就点击右侧「拆分」按钮，在语义断点处手动加切分点。
对含年份、地名、数字的句子，点击「编辑」→在「画面类型」下拉菜单中选「MG图表」或「历史地图」；对纯描述性语句（如“他一生清廉自守”），选「B-roll」；【不手动指定类型，AI默认全走B-roll，导致数据类内容无图表】。
第三步：约束画面关键词与替换素材
方法一：在分镜右侧「关键词」栏输入2～3个精准词，例如“赤壁之战 东吴 火攻”，比只写“三国”命中率高3倍以上。
方法二：点击「替换素材」→从弹出库中选中一张你本地准备好的合规图片（JPG/PNG，≤5MB）→勾选「锁定此帧」→该分镜将永久使用这张图，不再被AI轮换。
这一步操作起来很简单，直接把文件拖进去就行。但跳过它会导致成片中同一人物在不同镜头里穿不同朝代服饰——因为AI没被明确告知“这个分镜只许用唐代仕女图”。
第四步：批量生成并校验时间轴对齐
点击「全部生成」→等待2～4分钟→播放预览时重点听三处：① 每句口播开始瞬间，画面是否同步切入；② 长句中是否有画面中途黑屏或卡顿；③ 所有MG图表上的年份、地名文字是否可编辑（鼠标悬停应出现铅笔图标）。
若发现某一分镜画面延迟＞0.3秒，不要重跑全片，回到分镜列表→找到该条→点击「微调时间轴」→拖动蓝色时间条与波形峰值对齐→保存后仅重渲染这一段。
